别嘲笑这只手！它已经很不容易了……

来源：市场资讯

（来源：中科院物理所）

提起人型机器人，我们总会想到它们在春晚翻跟头，在田径运动会上刷新记录的场景，但是你有没有发现，虽然它们的四肢逐渐灵活，但依旧是个“手残党”……

来源：见水印

比如你觉得系鞋带轻而易举，但对最灵巧的机械手（灵巧手）仍然“难如登天”。有人不由得发出感叹：“这灵巧手，也不怎么灵嘛。”

先别急着说它菜！它能够发展到这一步，真的已经很不容易了。

“手残党”的进阶之路

早期的机械手更像是一把“铁钳”，学术上叫“两指夹持器”——两个手指一开一合，只能夹取固定形状的零件[1]。

这种机械手至今还在工厂流水线上兢兢业业地搬砖，优点是简单可靠，但缺点也很明显：遇到鸡蛋、豆腐或者不规则的异形件，立马“抓瞎”。

多连杆夹持器（左）、气缸夹持器（右）典型的两指夹持器 来源：参考文献1

因此，能适应更多种目标物体的三指、四指抓持手应运而生，提高了抓持的稳定性和可靠性，但由于力度不够、缺乏传感器反馈、自由度不够等，它们依然停留在“夹取”阶段，显得不那么“灵巧”，连瓶盖都拧不开。

另外，大部分灵巧手只能夹抓硬性物体，对软物体却操作不了，比如包饺子，或者系鞋带都很困难。

能包好看饺子的人手 来源：soogif

灵巧手到底有多复杂？

真正的“灵巧手”，目标是复现人手的全部功能。

有些人的手甚至能打结…… 来源：bing

可是，人的一只手约有23个自由度（目前仍有争议）[2]，你可以理解为23个可以独立控制的基本动作，比如每个指关节的弯曲、大拇指的侧摆等。这些基本动作的不同组合，才让我们的手做出千变万化的姿态。

光是洗手，都有无数个动作

想在方寸之间用机器复刻这一切，无异于建造一座微型精密工厂。

来源：作者提供

这座工厂主要包括四个关键部分[3]：

1.驱动系统（肌肉）

负责提供动力，让手指能弯曲、抓握。常见的驱动器类型有电机（像电动玩具里的小马达）、气缸（靠压缩空气推动），以及液压（靠液体压力推动）。

2. 传动系统（肌腱）

驱动系统产生动力后，需要传动系统传到手指的每个关节。

常见的“传力工具”有丝杠、齿轮、连杆，还有像钓鱼线一样的绳索或腱绳。它们把动力从“肌肉”精准地输送到指尖。

3. 传感器系统（皮肤和神经）

灵巧手不能“瞎抓”，它需要感知自己抓到了什么、用了多大力、手指现在在什么位置。触觉传感器负责感受接触，力觉传感器负责测量力度，位置传感器负责知道关节转到了哪里。

4. 控制系统（大脑）

有了肌肉、肌腱和感觉，还得有一个聪明的“大脑”来协调一切。控制系统就是一套算法和软件，它根据传感器的反馈，实时决定驱动系统该出多少力、传动系统该往哪个方向动，从而让灵巧手完成预定动作。

这四部分缺一不可，它们的协同工作，才让灵巧手有了接近人手的可能性。但是，人手23个自由度的协同运动，至今仍然难以复刻。

更棘手的是，我们对自己手的操作原理还没完全搞明白，自然也无法完美教给机器。

现在的灵巧手，发展到哪步了？

展区中，有只格外吸睛的灵巧手。它是商业化量产灵巧手中的“优等生”，拥有19个自由度。在人手具备的33项常规功能动作中，它能完成32项。

来源：短面熊

不过，即便是这位已经很努力的“优等生”，也依然无法做到某些难度较高的动作……

模仿失败…… | 来源：小编

要让灵巧手真正“灵”起来，科学家们正在从两方面发力：第一步，解决“抓瞎”问题。清华团队给机械手贴上一层仅1毫米厚的“超能皮肤”，能感知温度、纹理、颜色等10种信息，准确率超94%[4]！

第二步，提升跨场景泛化能力。浙大团队用一个学习框架教会了灵巧手完成拧瓶盖、拧水龙头、推滑块等五项任务[5]。从感知到操作，难关正在被逐个攻克。

操作不同形状物体的灵巧手[5] 来源：参考文献5

值得一提的是，曾经动辄几十万的高性能灵巧手也在悄悄放下身段，已有产品将售价压到了千元区间，未来有望控制在千元以内[6]。

从“铁钳”到“巧手”，虽然还有很长的路要走，但科学家们正在一步步缩小差距。也许在不远的将来，你家的机器人不仅能帮你扛冰箱、搬快递，还能帮你系好鞋带、穿针引线。那时候你一定会感叹：“灵巧手老灵额！”

参考文献

[1] 蔡世波,陶志成,万伟伟,等.机器人多指灵巧手的研究现状、趋势与挑战[J].机械工程学报,2021,57(15):1-14.

[2] Yang, H., Tao, Z., Yang, J. et al. A lightweight prosthetic hand with 19-DOF dexterity and human-level functions. Nat Commun 16, 955 (2025).https://doi.org/10.1038/s41467-025-56352-5

[3] https://finance.sina.com.cn/stock/stockzmt/2024-12-24/doc-ineaqhun8361484.shtml

[4] Li, S., Wu, T., Xu, J. et al. Biomimetic multimodal tactile sensing enables human-like robotic perception. Nat. Sens. 1, 52–62 (2026). https://doi.org/10.1038/s44460-025-00006-y

[5] Qi Ye et al., isual-tactile pretraining and online multitask learning for humanlike manipulation dexterity. Sci. Robot. 11, eady2869(2026). DOI:10.1126/scirobotics.ady2869

[6] https://www.bbtnews.com.cn/2026/0327/588822.shtm